IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-21
MOFFieldBench: Um Benchmark de Aprendizado de Máquina para Campos Eletrônicos Contínuos em Estruturas Metal-Orgânicas
Título original: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks
Modelos de aprendizado de máquina para estruturas metalo-orgânicas (MOFs) baseiam-se principalmente em estruturas atômicas, enquanto os campos de densidade eletrônica e de potencial eletrostático permanecem pouco explorados, porque os cálculos de primeiros princípios são custosos e conjuntos de dados sistematicamente alinhados são escassos. O MOFFieldBench é um benchmark multimodal de cerca de 46,000 MOFs com estruturas cristalográficas, campos de ED e campos de ESP alinhados um a um, junto com um fluxo de trabalho unificado que abrange geração de campos, compressão com controle de erros e representação em nuvem de pontos esparsa para tarefas como reconstrução de campos, previsão de 13 propriedades de materiais, previsão multimodal e recuperação entre modalidades. Os campos de ED e ESP se mostram competitivos para geometria de poros, propriedades de adsorção e separação, a fusão multimodal melhora várias tarefas de previsão em relação à melhor referência unimodal, e inicializar cálculos de campo autoconsistente a partir de densidades previstas reduz o tempo de computação em 13.59% em média em testes pareados.